Résumé
Les données géospatiales sont cruciales dans les situations d’urgence quand il est essentiel de coordonner des opérations humanitaires sur le terrain, de localiser des événements et d’acquérir une bonne connaissance de la situation. Ce type d’information géographique, cependant, n’est souvent disponible que de manière disparate dans de nombreux endroits du monde, y compris dans certaines des régions les plus vulnérables. L’objectif du projet Missing Maps est de compléter la cartographie de ces lieux négligés, dans OpenStreetMap.
Ce défi s’est avéré hautement consommateur de temps et de travail, pas seulement à cause de l’étendue des zones non cartographiées -qui sont, de plus, souvent peu densément peuplées-, mais aussi à cause de la qualité insuffisante de l’imagerie satellitaire. Afin de faire face à ces différentes problématiques, l’équipe des Disastermappers de Heidelberg a développé un processus multi-étape en collaboration avec les membres de Missing Maps. La province du Sud Kivu fut donc choisie comme région pilote.
Contexte
L’objectif du projet Missing Maps est de rassembler ces données cartographiques pour les régions du monde les plus sujettes aux crises. Cependant, couvrir des régions entières en utilisant les méthodes habituelles de HOT (l’Equipe humanitaire d’OpenStreetMap) s’avéra poser un véritable défi aux volontaires. Ceci étant principalement dû au fait que beaucoup de zones rurales consistent en des zones résidentielles éparses, distantes les unes des autres au sein de larges étendues. Par conséquent, les zones résidentielles se retrouvent difficiles à détecter et peuvent facilement être manquées. De plus, l’imagerie satellitaire disponible varie en couverture et qualité.
Pour solutionner ces difficultés, l’imagerie doit d’abord être pré-traîtée afin de rendre plus effectives les contributions des volontaires. En effet, en fournissant aux volontaires uniquement les segments d’imagerie comportant des villages et des routes et en laissant de côté les autres zones, les mappers s’y perdent rarement et ne doivent pas faire face à de grands nombres de tuiles « vides » au sein de leur tâche. Cependant, les gestionnaires de tâche n’ont pas toujours la possibilité de prédigitaliser la zone à l’avance. Un processus multi-étape a dès lors été développé avec la plateforme de crowdsourcing Pybossa pour faire d’une pierre deux coups en incluant les volontaires intéressés par cette tâche de pré-processing.
Processus multi-étape
Durant la première étape, l’outil de crowdsourcing Pybossa a permis d’identifier les zones d’intérêt pour la cartographie. L’entièreté de la zone d’intérêt fut divisée en tuiles égales qui furent alors ajoutées à une tâche de micro crowdsourcing. Il était ensuite demandé aux volontaires de détecter les tuiles qui étaient d’un niveau de qualité suffisant pour identifier les objets. Toutes les tuiles de qualité suffisante étaient ensuite à nouveau classés. Dans cette tâche détaillée, il était demandé aux volontaires d’identifier les zones habitées et routes principales visibles dans la tuile, avant de marquer la tuile de manière correspondante.
Pour le code source, voir répertoire github.
Par la suite, toutes les tuiles qui avaient été classées comme disposant d’une qualité suffisante d’imagerie satellitaire ET comportant des éléments résidentiels visibles furent importées dans le gestionnaire de tâches OSM.
Tu trouveras sur notre blog (en anglais) une description détaillée de comment concevoir ta propre tâche Pybossa, du style de celle de Missing Maps: How to create your own Missing Maps like PyBossa task
Dans le gestionnaire de tâches, de nombreux nouveaux projets purent ainsi être créés, avec l’assurance que les zones d’intérêt étaient utilisables par les volontaires OSM. Dans un premier temps, la cartographie s’est concentrée sur les zones résidentielles et routes principales.
Après la finalisation de ce premier tour, des projets supplémentaires seront alors lancés via le gestionnaire de tâches OSM afin de fournir des données détaillées en fonction des besoins spécifiques (tracé du bâti, rues etc) au sein des zones habitées.
Tu veux changer les choses ? – Contribue et aide-nous à compléter ces manques dans OSM!
Mel, pour les Disastermappers de Heidelberg
Leave A Comment